一个具有仓库容量选择的两阶段设施选址问题的模型及算法

设施选址及其规模选择优化对供应链的长期战略成本和运营成本有着重要影响,是提高企业利润和竞争力的关键决策之一,也是运筹优化领域研究的热点与难点.针对已有的两阶段设施选址问题(two-stage facility location problem,TSFLP)研究中缺乏对设施容量选择的优化,在设施选址问题基础上引入了设施容量选择的优化,同时确定了工厂的位置、仓库的位置和容量、从工厂到仓库的产品流以及客户到仓库的分配,建立了以最小化总成本为目标的混合整数规划模型,并基于模型特点设计了适合求解此问题的拉格朗日松弛(Lagrangean relaxation,LR)方法和混合变邻域禁忌搜索(hybrid variable neighborhood tabu search,HVNTS)算法.基于随机生成的大量具有不同参数的实例,验证了所提出的算法可有效求解大规模的、且需同时优化设施选址及容量选择的问题.     

立方体外壳片段算法在财务数据仓库中的应用

高校管理数据涉及的主题众多,其中财务数据仓库是典型的高维应用情形.财务数据对精度要求极高,不允许数据的丢失,这些特点都将影响财务数据仓库中数据立方体预计算算法的选择.分析了各种立方体预计算算法的特点和适用范围,同时研究了财务数据仓库的特殊性质和需求,以高校科研财务数据仓库为基础,提出了科研财务数据仓库事实星座模型.根据对数据立方体预计算算法的分析,分别使用立方体外壳和立方体外壳片段算法进行物化操作,提出立方体外壳片段算法是一种比较适合财务数据仓库的数据立方体预计算算法,并通过性能分析实验证明了该算法能在预计算时间、存储空间和联机分析处理效率等各方面取得较好的平衡.     

立方体外壳片段算法在财务数据仓库中的应用

高校管理数据涉及的主题众多,其中财务数据仓库是典型的高维应用情形.财务数据对精度要求极高,不允许数据的丢失,这些特点都将影响财务数据仓库中数据立方体预计算算法的选择.分析了各种立方体预计算算法的特点和适用范围,同时研究了财务数据仓库的特殊性质和需求,以高校科研财务数据仓库为基础,提出了科研财务数据仓库事实星座模型.根据对数据立方体预计算算法的分析,分别使用立方体外壳和立方体外壳片段算法进行物化操作,提出立方体外壳片段算法是一种比较适合财务数据仓库的数据立方体预计算算法,并通过性能分析实验证明了该算法能在预计算时间、存储空间和联机分析处理效率等各方面取得较好的平衡.     

基于非重叠区域分解算法的大地电磁法二维正演模拟

区域分解算法采用分而治之的思想,将大规模问题转化为若干个小问题进行求解,已成为大规模数值计算领域的常用算法之一。将非重叠区域分解算法引入到大地电磁法二维正演模拟中。首先将整个求解区域分解为多个互不重叠的子域,子域之间共享边界元素;然后对每个子域采用有限差分进行离散,采用Schur补偿算法解耦得到共享边界节点上的未知数,并作为子域问题的边界条件得到关于子域内部节点的线性方程组;最后,利用直接求解算法对上述方程组进行求解,实现了大地电磁法二维正演。该算法的准确性和可行性通过多个地电模型的对比试算得到了验证。此外,还统计分析了采用不同子域分区方式和分解个数时的计算耗时,结果表明子域分区的方式对计算效率影响不大,但子域分解个数的影响则较大,进行区域分解时需要选择合适的子域个数。     

一类带时间窗口的定位-路径问题的启发式算法

考虑了一种车辆和仓库都有能力约束、顾客有hard时间窗口限制的多仓库选址和运输优化问题;给出了一个组合的两阶段启发式算法,第一阶段在考虑客户需求点时间窗口的情况下将其分配给合适的仓库备选点,第二阶段再用改进的节约算法对每个仓库及其相应的客户群优化路线;最后通过实例进行了实验计算分析。     

基于双基数子集表示的快速标量乘算法

为了减少双基数表示时间,提出双基数子集的概念,将存储空间和预计算时间从n2 降低到3n-2,同时给出求子集表示的贪婪算法.给出基于双基数子集的标量乘算法,由于搜索空间的降低,整数的双基数子集表示个数稍微多于双基数表示个数,新算法使用混合坐标进行优化.从运算量、存储空间上,将新算法分别与传统固定基点的窗口算法和Dimitrov的基于双基数链的算法进行比较,结果证明新算法显著优于前人算法.     

一种新的动态进化聚类算法

针对模糊聚类算法不适应复杂环境的问题,提出了一种新的动态进化聚类算法,克服了传统模糊聚类建模算法须事先确定规则数的缺陷。通过改进的遗传策略来优化染色体长度,实现对聚类个数进行全局寻优;利用FCM算法加快聚类中心参数的收敛;并引入免疫系统的记忆功能和疫苗接种机理,使算法能快速稳定地收敛到最优解。利用这种高效的动态聚类算法辨识模糊模型,可同时得到合适的模糊规则数和准确的前提参数,将其应用于控制过程可获得高精度的非线性模糊模型。     

R-树聚集在空间数据仓库中的应用

 空间数据库存储空间对象的相关信息,在很多实际应用中需要汇总空间数据,但这种汇总非常耗费时间而且计算代价很高.受非空间数据仓库的启发,可以建立空间数据仓库来加速空间OLAP操作.考虑星型模式且着重于空间维的概念分层,这种分层主要根据空间R-树索引来建立.提出了一个空间查询算法,并考虑了数据更新.     

挑选作业优化问题的研究

针对自动化仓库固定货架拣选作业的特点,为了提高自动化仓库固定货架拣选作业的工作效率,建立了货物拣选路径优化问题的数学模型。介绍了模拟退火算法和粒子群算法的基本原理,应用杂交算法和带高斯变异算法在模拟退火操作下对较优的粒子群进行寻优运算,设计了模拟退火粒子群优化算法。实例证明,该算法具有较好的全局寻优能力,能取得令人满意的效果。     

抗差自由网、非自由网平差的回归算法

叙述了在回归方法基础上的控制网平差算法,这种方法可以分解探测值粗差和起算数据粗差的过程,因此可以把控制网看作自由网逐步代入任一坐标系统。文中介绍了一系列作者研究的理论,例如,临时绘定未知数个数的方法,回归平差方法的进一步发展等。这种算法可以应用到传统地面网的平差,地面网与卫星空间网的联合平差,以及变形网的平差,而且已编成软件包ＡＤＪＳＴ。     

基于混合算法的自动导引车调度问题研究

针对自动化仓库自动导引车(automated guided vehicle, AGV)调度问题，文章在考虑车辆载重约束的情况下，建立车辆行驶总距离和总能耗最小为目标的数学模型，并通过离散差分进化算法与蚁群算法相结合的混合算法进行求解。将混合算法与改进蚁群算法、遗传算法、模拟退火算法、粒子群算法在CVRPLIB SET P算例集上的求解结果进行对比，验证该混合算法的有效性；通过数值仿真实验对提出的自动化分拣仓库AGV调度问题进行求解，证明该混合算法对实际算例有较好的求解结果，可以有效提高自动化仓库作业效率。     

基于人工鱼群算法的多区型仓库人工拣货路径优化研究

拣货作业是仓库核心作业之一,占据着仓库大量的时间成本和资金成本。为了提高拣货作业效率,降低拣货成本,本文研究了多区型仓库拣货路径的优化问题。基于TSP对拣货路径建模,利用人工鱼群算法对路径问题进行求解,并与H仓库采用的"U+S"型启发式策略进行对比。案例分析的结果表明,人工鱼群算法设计的拣货路径缩短路程约20%,具有良好的实用性。     

基于初始划分的标签传播社区发现算法

采用标签传播算法进行社区发现时间效率高,无需人工参数,但容易产生精度限制的问题.研究了启发式的标签传播算法,快速地进行社区的初始划分,大量减少了初始标签的个数,进行标签迭代传播来修正初始划分得到最终的社区.理论分析和实验证明这种方法在不增加时间复杂度的情况下,提高了准确率,并有效消除了精度限制的现象.     

易燃品仓库群三维移动智慧巡检路径优化

针对多个易燃品仓库的群巡检的智能滑块路径寻优问题,提出贪心遗传混合式路径优化算法,该算法将贪心策略融入到遗传算法操作过程,用作指导遗传选择操作进行搜索。首先建立仓库群巡检目标分配数学模型,其次设计一种基于贪心遗传混合式算法的三维移动巡检系统。对稀土金属库的规模不同的巡检点进行仿真,与常规的遗传算法和粒子群算法相比,平均巡检路径长度减少了15. 2%,对103个巡检点巡检路径长度减少了6. 1%.对1层库41个巡检点、2层库的51个巡检点、33层库的75个巡检点仿真结果表明,该方法避免了遗传算法的早熟问题,无论巡检的收敛速度还是巡检的最短路径均有明显改善。为保证安全,可在危险品大物资仓库推广使用,具有一定的应用价值和安全示范作用。     

基于模糊哈希特征表示的恶意软件聚类方法

目前,每年被拦截到的新型恶意软件变种数已达千万级别,在线恶意软件仓库Virus Share上存储的未分类的恶意软件数量也超过了2700万.将恶意软件按一定的行为模式进行聚类,不仅使新型攻击更易被检测出来,也有助于及时获取恶意软件的发展态势并做出防范措施.因此提出了一种高效的恶意软件聚类方法,对恶意样本进行动态分析并筛选出包括导入、导出函数、软件字符串、运行时资源访问记录以及系统API调用序列等特征,然后将这些特征转换为模糊哈希,选用CFSFDP聚类算法对恶意软件样本进行聚类.并将聚类个数、准确率、召回率、调和平均值以及熵作为聚类效果的外部评估指标,将簇内紧密度以及簇间区分度作为内部评估指标,实验结果表明,与Symantec和ESET-NOD32的分类结果相比,本文提出的方法的聚类家族个数与人工标记的数量最为接近,调和平均值分别提升11.632%,2.41%.     

符号数据最佳聚类个数的确定方法

在聚类分析中,如何选择恰当的聚类个数是一个非常复杂而又必须面对的问题.尽管针对数值型数据聚类个数的选择算法已经进行了广泛地研究,但如何确定符号型数据的聚类个数仍然是一个富有挑战性的问题.结合划分和层次聚类的思想,提出一种符号数据聚类个数的确定算法.在UCI数据集上的实验结果表明该方法是有效的.     

相交格子集合边界探寻及其Matlab实现

给出一种针对标准正六面体格子集合中探寻两个格子集合公共边界的算法,并利用这种算法在上得到相应边界图示.在两个集合个数分别为和的情况下,算法的时间复杂度以及空间复杂度均为O(mn).     

蚁群算法与遗传算法在TSP中的对比研究

本文首先论述了求解TSP的基本原理,建立了TSP的数学模型,应用Matlab对传统蚁群算法和传统遗传算法求解TSP进行了对比研究.实验结果表明,当城市个数较少,距离较近时,蚁群算法和遗传算法均能找到最优解,且蚁群算法收敛速度快.当城市个数较多且距离较远时,运用本文中的算法,蚁群算法仍然能找到最优解,而遗传算法没有最优解.     

基于改进微粒群算法的K-MEANS聚类和孤立点查找

K均值算法的聚类个数K需指定,聚类结果与数据输入顺序相关,而且易受孤立点影响.针对这些缺陷,首先以实验的方式证明了找到最优的初始质心是K-MEANS算法有效的条件,对局部版的微粒群优化算法(PSO)进行了改进,利用其局部搜索的功能查找到K均值算法的最优初始质心和存在的孤立点,克服了K均值算法的这些缺陷。     

有舍弃的装箱问题及其启发式算法

设计了一种启发式算法——RCF算法来解决有舍弃装箱问题.实验证明,该算法与RFF3算法相比,在物体个数比较少(<200)的情况下,由于数据的随机性会出现比RFF3算法较好;在物体个数大于200的情况下,RFF3算法具有绝对的优势.因此,提出的RCF算法在物体个数比较少的情况下,有一定的应用价值.